EMNLP 发布时间推理检索基准 TEMPO，最强仅 32.0 NDCG

2026 年 10 月 25 日消息，因斯布鲁克大学团队在 EMNLP 2026 发布时间推理型检索基准 TEMPO，用于评测检索系统对时间跨度的推理能力。该基准包含 1,730 条 Stack Exchange 问题和 3,976 条检索步骤，共评测 16 款检索器。结果显示，表现最强的 DiveR 也仅取得 32.0 NDCG@10；顶级系统在约 30% 的跨时段查询上会漏掉部分所需时间跨度。报道还提到，在不进行检索的情况下，RAG（检索增强生成）的表现反而更高。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。